由于工作需要,公司讓我做一個關(guān)鍵詞檢測工具,就是根據(jù)關(guān)鍵詞百度搜搜搜狗等搜索引擎查詢獲取排名站點地址等相關(guān)信息的一個東西。當(dāng)我接到這個case的時候,首先聯(lián)想的是一道面試題,就是給你一個html頁面讓你檢索出這個頁面的關(guān)鍵信息,這個面試題是比較簡單的,就是正則的匹配,因此我也想用正則去獲取。不管三七二十一,首先實現(xiàn)再說
其實這個已經(jīng)不是最初的那個版本了,最古老的那個版本改動面目全非了,這個其實就是四條線程
去讀取html然后分析 就這樣實現(xiàn)了。
過程中遇到問題有
沒有考慮清楚需求,頁面分析正則維護難
解決方案一
/// <summary> /// 根據(jù)標(biāo)簽名稱獲取Html /// </summary> /// <param name="TagName">標(biāo)簽名稱</param> /// <param name="HTML">html</param> /// <returns>返回值列表</returns> public List<string> GetHtmlTagByName(string TagName, string HTML) { HTML = Regex.Replace(HTML, @"<\s+", "<", RegexOptions.IgnoreCase); HTML = Regex.Replace(HTML, @"\s+>", ">", RegexOptions.IgnoreCase); HTML = Regex.Replace(HTML, @"</\s+", "</", RegexOptions.IgnoreCase); List<string> TagList = new List<string>(); string Tag = string.Empty; HTML = HTML.ToLower(); int TagLength = TagName.Length; int StartTagLength = TagLength + 2; int EndTagLength = TagLength + 3; List<int> IndexList = new List<int>(); for (int i = 0; i < HTML.Length; i++) { if (HTML[i] == '<') { if ((HTML.Length - i) >= StartTagLength) {//<div> | <div\s string TemTag = HTML.Substring(i, StartTagLength); if (TemTag == '<' + TagName + ' ' || TemTag == '<' + TagName + '>') { IndexList.Add(i); } } if ((HTML.Length - i) >= EndTagLength) {//</div> string TemTag = HTML.Substring(i, EndTagLength); if (TemTag == "</" + TagName + '>') { if (IndexList.Count > 0) { int S = IndexList[IndexList.Count - 1]; IndexList.Remove(IndexList[IndexList.Count - 1]);//移除最后一個 TagList.Add(HTML.Substring(S, (i - S) + EndTagLength)); } } } } } return TagList; } |
這就是一個簡單的方法獲取標(biāo)簽對之間的全部html 實現(xiàn)了所需要的工能,但是害怕穩(wěn)定性出現(xiàn)問題,所以棄用
棄用之后重新考慮思路 畫出流程圖
這樣思路更加清晰了 也考慮了配置的為題 容易修改 配置截圖
做完配置以后其實就是考慮接口實現(xiàn)接口做出最終的版本
測試截圖
整個過程中,我覺得自己出現(xiàn)的最大問題就是 考慮問題角度問題,我因為沒有做過 就想著如何去實現(xiàn),在做的過程中發(fā)現(xiàn)很多問題 再去擴展 最后代碼相當(dāng)混亂 也許一個月后我自己去修改都不能完成了。以后一定要先考慮好架構(gòu)(姑且這么說啊),實現(xiàn)如果出現(xiàn)問題是可以解決的。
收獲:從內(nèi)部一步步往外擴展,不如從外部一步步往內(nèi)部深入!
這個差不多是總結(jié)了吧,就這樣了吧,我還要做代碼優(yōu)化。
另外如果有人需要這方面的資料 或者這個工具我都可以給你,這個只是公司工作的一個小插件吧,技術(shù)含量也沒有,主要是正則 ,我們還可以交流。